简介：针对辐射屏蔽优化设计中存在的消耗时间长、优化效率低的问题,提出一种基于粒子飞行样本更新策略的动态径向基代理模型.首先采用径向基神经网络建立真实目标函数的初始代理模型,然后通过差分进化算法对代理模型进行全局寻优,然后基于代理模型寻优结果和粒子飞行样本更新策略产生新样本点,最后将新样本点加入原有样本点后重新更新代理模型并循环迭代,直至满足收敛条件.该方法以代理模型拟合精度为依据控制原有样本点向随机样本点和最优预测样本点的飞行速度,可以实现动态代理模型全局探索与局部探索的自适应平衡.为验证方法的有效性,将所提方法应用于12个数值测试函数和船用反应堆辐射屏蔽优化设计工程实例,并与其他优化方法计算结果进行对比.结果表明:对于数值测试函数,所提方法在寻优结果、样本点数量和算法鲁棒性方面均具有显著优势,对于辐射屏蔽优化设计实例,所提方法得到的中子透射率为另外两种方法的48%和8%,所需样本点数量为静态代理模型的25%,证明该方法是求解辐射屏蔽优化等昂贵优化问题的有效方法.展开
